Unicode UTF-8 UTF-16的关系
以下仅为个人学习的记录，如有疏漏不妥之处,还请不吝赐教。
关系
Unicode是一个字符集。顾名思义，字符的集合。GBK，BIG5，ISO8859-1，ASCII都是字符集。
有一点不同的是，Unicode并没有规定字符的编码是如何实现的，上述的其它字符集有其编码方式。Unicode就好比java中的抽象类，实现编码的方法是抽象的。因此，需要实现编码方式才能应用于实际。UTF-8，UTF-16实现它编码方式。
UTF-8
UTF-8是变长的。即字符编码的字节数有差异。比如"A"的编码0x41, 只需一个字节，"中"的编码是0xe4b8ad,则需要三个字节，大部分中文字符的编码都是三个字节。
UTF-8的编码方式
| 字节数 |
起始 码点 |
终止 码点 |
字节1 |
字节2 | 字节3 | 字节4 |
| 1 | U+0000 | U+007F | 0xxxxxxx | |||
| 2 | U+0080 | U+07FF | 110xxxxx | 10xxxxxx | ||
| 3 | U+0800 | U+FFFF | 1110xxxx | 10xxxxxx | 10xxxxxx | |
| 4 | U+10000 | U+1FFFFF | 11110xxx | 10xxxxxx | 10xxxxxx | 10xxxxxx |
以字符"中" 为例：
1. 查找"中"字的Unicode 码点(code point), U+4e2d, 二进制码点表示为 0100 1110 0010 1101
2. 因为U+0800 < U+4e2d < U+FFFF, 可知需要三个字节编码。
3. 从右到左将二进制码点填写到xxx中。得到11100100 10111000 10101101 即0xe4b8ad.
UTF-16
UTF-16开始时是定长的，后来也变长的，UTF-16使用两个或四个字节编码。java一开始选择UTF-16作为运行时的字符编码，是因为字符定长编码带来的字符操作便利。UTF-16中有一个术语代码（code unit）。编码时每16个位就是一个代码单元。用4个字节编码时，就是编码为两个代码单元。
UTF-16的编码方式
| 字节数 | 字节1 | 字节2 | 字节3 | 字节4 |
| 2 | xxxx xxxx | xxxx xxxx | ||
| 4 | 1101 10xx | xxxx xxxx | 1101 11xx | xxxx xxxx |
还是以字符"中"为例：
1.查找"中"字的Unicode 码点(code point), U+4e2d, 二进制码点表示为 0100 1110 0010 1101
2.直接按照码点进行编码，得到0x4e2d.也就是说其实UTF-16的两个字节编码和Unicode的码点是完全一样的。
总结
UTF-8和UTF-16两种编码方式是不兼容的。
延伸阅读：
深入分析 Java 中的中文编码问题: https://www.ibm.com/developerworks/cn/java/j-lo-chinesecoding/#icomments
字符编码笔记：ASCII，Unicode 和 UTF-8：http://www.ruanyifeng.com/blog/2007/10/ascii_unicode_and_utf-8.html
Wiki百科：https://en.wikipedia.org/wiki/UTF-16
https://en.wikipedia.org/wiki/UTF-8
https://www.joelonsoftware.com/2003/10/08/the-absolute-minimum-every-software-developer-absolutely-positively-must-know-about-unicode-and-character-sets-no-excuses/
